1 |
1
입력받은 데이터셋을 기초로, 상기 데이터셋의 목표 변수에 대한 확률 테이블 및 상기 데이터셋의 각 입력 변수에 대한 조건부 확률 테이블을 생성하는 확률 테이블 생성부;상기 데이터셋을 기초로, 상기 목표 변수와 상기 각 입력 변수 간의 관련도 및 상기 각 입력 변수 상호 간의 중복도를 추출하는 상관관계 추출부; 및상기 관련도 및 상기 중복도를 기초로 상기 각 입력 변수에 대한 가중치를 추출하고, 상기 목표 변수에 대한 확률 테이블, 상기 조건부 확률 테이블 및 상기 가중치를 기초로 예측 모델을 생성하는 변수가중치 추출 및 모델 생성부;를 포함하는 기계학습 장치
|
2 |
2
제1항에 있어서, 상기 상관관계 추출부는,상기 목표 변수와 상기 각 입력 변수 간의 상호의존정보를 기초로 상기 관련도를 추출하는 것인 기계학습 장치
|
3 |
3
제1항에 있어서, 상기 상관관계 추출부는,상기 각 입력 변수 상호 간의 상호의존정보를 기초로 상기 중복도를 추출하는 것인 기계학습 장치
|
4 |
4
제1항에 있어서, 상기 변수가중치 추출 및 모델 생성부는,상기 가중치를 1로 하여 상기 예측 모델을 생성하는 것인 기계학습 장치
|
5 |
5
제1항에 있어서, 상기 변수가중치 추출 및 모델 생성부는,상기 가중치를 하기 수학식에 따라 추출하는 것인 기계학습 장치
|
6 |
6
제5항에 있어서, 상기 변수가중치 추출 및 모델 생성부는,상기 수학식의 αi을 1, βi를 1로 설정하여 상기 가중치를 추출하는 것인 기계학습 장치
|
7 |
7
제5항에 있어서, 상기 변수가중치 추출 및 모델 생성부는,상기 데이터셋을 이용하여 상기 예측 모델의 정확도를 평가하고, 상기 정확도를 기준으로 상기 수학식의 αi 및 βi를 결정하는 것인 기계학습 장치
|
8 |
8
제1항에 있어서, 상기 확률 테이블 생성부는,상기 데이터셋의 입력 후 새로운 데이터셋이 입력되는 경우, 상기 새로운 데이터셋을 기초로 상기 목표 변수에 대한 확률 테이블 및 상기 조건부 확률 테이블을 갱신하는 것인 기계학습 장치
|
9 |
9
제1항에 있어서, 상기 상관관계 추출부는,상기 데이터셋의 입력 후 새로운 데이터셋이 입력되는 경우, 상기 새로운 데이터셋을 기초로 상기 관련도 및 상기 중복도를 갱신하는 것인 기계학습 장치
|
10 |
10
제8항에 있어서, 상기 확률 테이블 생성부는,상기 새로운 데이터셋에 결측 변수가 있는 경우, 상기 결측 변수에 대한 조건부 확률 테이블을 갱신하지 않는 것인 기계학습 장치
|
11 |
11
제8항에 있어서, 상기 확률 테이블 생성부는,상기 새로운 데이터셋에 상기 조건부 확률 테이블에 반영되지 않은 입력 변수('새로운 변수')가 존재하는 경우, 상기 새로운 변수에 관한 조건부 확률을 산출하여 상기 조건부 확률 테이블을 갱신하는 것인 기계학습 장치
|
12 |
12
제9항에 있어서, 상기 상관관계 추출부는,상기 새로운 데이터셋에 결측 변수가 있는 경우, 상기 결측 변수에 대하여 관련도 및 중복도를 갱신하지 않는 것인 기계학습 장치
|
13 |
13
제9항에 있어서, 상기 상관관계 추출부는,상기 새로운 데이터셋에 상기 관련도 및 중복도에 반영되지 않은 입력 변수('새로운 변수')가 존재하는 경우, 상기 새로운 변수를 포함하여 상기 새로운 데이터셋에서 데이터를 가지는 모든 입력 변수에 대하여 상기 관련도와 상기 중복도를 갱신하는 것인 기계학습 장치
|
14 |
14
제1항에 있어서, 상기 변수가중치 추출 및 모델 생성부는,상기 데이터셋의 입력 후 새로운 데이터셋이 입력되고, 상기 확률 테이블 생성부가 상기 새로운 데이터셋을 기초로 상기 목표 변수에 대한 확률 테이블 및 상기 조건부 확률 테이블을 갱신하고, 상기 상관관계 추출부가 상기 새로운 데이터셋을 기초로 상기 관련도 및 상기 중복도를 갱신하는 경우, 상기 갱신된 목표 변수에 대한 확률 테이블, 상기 갱신된 조건부 확률 테이블, 상기 갱신된 관련도 및 상기 갱신된 중복도를 기초로 예측 모델을 갱신하는 것인 기계학습 장치
|
15 |
15
입력받은 데이터셋을 기초로, 상기 데이터셋의 목표 변수에 대한 확률 테이블 및 상기 데이터셋의 각 입력 변수에 대한 조건부 확률 테이블을 생성하는 확률 테이블 생성 단계;상기 데이터셋을 기초로, 상기 목표 변수와 상기 각 입력 변수 간의 관련도 및 상기 각 입력 변수 상호 간의 중복도를 추출하는 상관관계 추출 단계; 및상기 관련도 및 상기 중복도를 기초로 상기 각 입력 변수에 대한 가중치를 추출하고, 상기 목표 변수에 대한 확률 테이블, 상기 조건부 확률 테이블 및 상기 가중치를 기초로 예측 모델을 생성하는 예측 모델 생성 단계;를 포함하는 기계학습 방법
|
16 |
16
제15항에 있어서,상기 데이터셋의 입력 이후의 새로운 데이터셋을 기초로 상기 목표 변수에 대한 확률 테이블, 상기 조건부 확률 테이블, 상기 관련도 및 상기 중복도를 갱신하고, 상기 갱신된 목표 변수에 대한 확률 테이블, 상기 갱신된 조건부 확률 테이블, 상기 갱신된 관련도 및 상기 갱신된 중복도를 기초로 상기 예측 모델을 갱신하는 예측 모델 갱신 단계;를 더 포함하는 기계학습 방법
|
17 |
17
제15항에 있어서, 상기 예측 모델 생성 단계는,상기 가중치를 하기 수학식에 따라 추출하는 것인 기계학습 방법
|
18 |
18
제17항에 있어서, 상기 예측 모델 생성 단계는,상기 데이터셋을 이용하여 상기 예측 모델의 정확도를 평가하고, 상기 정확도를 기준으로 상기 수학식의 αi 및 βi를 결정하는 것인 기계학습 방법
|
19 |
19
제16항에 있어서, 상기 예측 모델 갱신 단계는,상기 새로운 데이터셋에 상기 조건부 확률 테이블에 반영되지 않은 입력 변수('새로운 변수')가 존재하는 경우, 상기 새로운 변수에 관한 조건부 확률을 산출하여 상기 조건부 확률 테이블을 갱신하는 것인 기계학습 방법
|
20 |
20
제16항에 있어서, 상기 예측 모델 갱신 단계는,상기 새로운 데이터셋에 상기 관련도 및 중복도에 반영되지 않은 입력 변수('새로운 변수')가 존재하는 경우, 상기 새로운 변수를 포함하여 상기 새로운 데이터셋에서 데이터를 가지는 모든 입력 변수에 대하여 상기 관련도와 상기 중복도를 갱신하는 것인 기계학습 방법
|